Alluxio架构、场景与部分配置参数

Alluxio：架构及数据流 – 简书 (jianshu.com)

Alluxio-基于内存的虚拟分布式存储系统_机器爱上学习的博客-CSDN博客_alluxio

1 架构

1.1 概述

​ Alluxio作为大数据和机器学习生态系统中的一个新的数据访问层，配置在任何持久性存储系统(如Amazon S3、Microsoft Azure对象存储、Apache HDFS或OpenStack Swift)和计算框架(如Apache Spark、Presto或Hadoop MapReduce)之间。**请注意，Alluxio不是一个持久化存储系统。**使用Alluxio作为数据访问层有如下好处：
1.对于用户应用程序和计算框架，Alluxio提供了快速存储，促进了作业之间的数据共享和局部性，而不管使用的是哪种计算引擎。因此，当数据位于本地时，Alluxio可以以内存速度提供数据;当数据位于Alluxio时，Alluxio可以以计算集群网络的速度提供数据。第一次访问数据时，只从存储系统上读取一次数据。为了得到更好的性能，Alluxio推荐部署在计算集群上。
2.对于存储系统，Alluxio弥补了大数据应用与传统存储系统之间的差距，扩大了可用的数据工作负载集。当同时挂载多个数据源时，Alluxio可以作为任意数量的不同数据源的统一层。

​ Alluxio可以被分为三个部分：**masters、workers以及clients。**一个典型的设置由一个主服务器、多个备用服务器和多个worker组成。客户端用于通过Spark或MapReduce作业、Alluxio命令行或FUSE层等应用程序与Alluxio服务器通信。

​ Alluxio使用了单Master和多Worker的架构,Master和Worker一起组成了Alluxio的服务端，它们是系统管理员维护和管理的组件,Client通常是应用程序，如Spark或MapReduce作业，或者Alluxio的命令行用户。Alluxio用户一般只与Alluxio的Client组件进行交互。

1.1.1Master

​ Alluxio主服务可以部署为一个主master和几个备用master，以实现容错。当主master奔溃时，备用master可以被选为新的主master。

​ Master: 负责管理整个集群的全局元数据并响应Client对文件系统的请求。在Alluxio文件系统内部，每一个文件被划分为一个或多个数据块(block)，并以数据块为单位存储在Worker中。Master节点负责管理文件系统的元数据(如文件系统的inode树、文件到数据块的映射)、数据块的元数据(如block到Worker的位置映射)，以及Worker元数据(如集群当中每个Worker的状态)。所有Worker定期向Master发送心跳消息汇报自己状态，以维持参与服务的资格。Master通常不主动与其他组件通信，只通过RPC服务被动响应请求，同时Master还负责实时记录文件系统的日志(Journal)，以保证集群重启之后可以准确恢复文件系统的状态。Master分为Primary Master和Secondary Master，Secondary Master需要将文件系统日志写入持久化存储，从而实现在多Master（HA模式下）间共享日志，实现Master主从切换时可以恢复Master的状态信息。Alluxio集群中可以有多个Secondary Master，每个Secondary Master定期压缩文件系统日志并生成Checkpoint以便快速恢复，并在切换成Primary Master时读取之前Primary Master写入的日志。Secondary Master不处理任何Alluxio组件的任何请求。

（1）主master

​ Alluxio中只有一个master进程为主master。主master用于管理全局的元数据。这里面包含文件系统元数据（文件系统节点树）、数据块元数据（数据块位置）、以及worker的容量元数据（空闲或已占用空间）。Alluxio clients与主master通信用来读取或修改元数据。所有的worker都会定期的向主master发送心跳。主master会在一个分布式的持久化系统上记录所有的文件系统事务，这样可以恢复主master的信息。这组日志被称为journal。—————导致的问题，Master内存爆了，client与master的通信过于频繁！！！

（2）备用master

​ 备用master读取主master写入的journal日志，以保持与主master的状态同步。它们会对journal日志写入检查点，用于快速恢复。它们不处理来自Alluxio组件的任何请求。

1.1.2Worker

Worker: Alluxio Master只负责响应Client对文件系统元数据的操作，而具体文件数据传输的任务由Worker负责，如图，每个Worker负责管理分配给Alluxio的本地存储资源(如RAM,SSD,HDD),记录所有被管理的数据块的元数据，并根据Client对数据块的读写请求做出响应。Worker会把新的数据存储在本地存储，并响应未来的Client读请求，Client未命中本地资源时也可能从底层持久化存储系统中读数据并缓存至Worker本地。

Worker代替Client在持久化存储上操作数据有两个好处:1.底层读取的数据可直接存储在Worker中，可立即供其他Client使用 2.Alluxio Worker的存在让Client不依赖底层存储的连接器，更加轻量化。
Alluxio采取可配置的缓存策略，Worker空间满了的时候添加新数据块需要替换已有数据块，缓存策略来决定保留哪些数据块。

​ Alluxio的worker用于管理用户为Alluxio定义的本地资源（内存、SSD、HDD）。Alluxio的worker将数据存储为块，并通过在其本地资源上读或者创建新的数据块来响应client请求。Workers只用于管理数据块；文件到数据块的映射存储在master中。Workers在其底层存储上进行数据操作。这带来两个重要的优势：
1.从底层存储系统读取的数据能被存储在worker中，这样别的client可以立即使用。
2.client可以是轻量级的，不依赖于底层存储的连接器。
​ 因为RAM的容量有限，所以当空间满了的时候block会被清理。Workers使用清理策略决定什么数据留在Alluxio中。

1.1.3 Client

Client: 允许分析和AI/ML应用程序与Alluxio连接和交互，它发起与Master的通信，执行元数据操作，并从Worker读取和写入存储在Alluxio中的数据。它提供了Java的本机文件系统API，支持多种客户端语言包括REST，Go，Python等，而且还兼容HDFS和Amazon S3的API。
可以把Client理解为一个库，它实现了文件系统的接口，根据用户请求调用Alluxio服务，客户端被编译为alluxio-2.0.1-client.jar文件，它应当位于JVM类路径上，才能正常运行。
当Client和Worker在同一节点时，客户端对本地缓存数据的读写请求可以绕过RPC接口，使本地文件系统可以直接访问Worker所管理的数据，这种情况被称为短路写，速度比较快，如果该节点没有Worker在运行，则Client的读写需要通过网络访问其他节点上的Worker，速度受网络宽带的限制。

2 Alluxio场景与数据流

Alluxio的应用场景

Alluxio 的落地非常依赖场景，否则优化效果并不明显（无法发挥内存读取的优势）

  1. 计算应用需要反复访问远程云端或机房的数据（存储计算分离）
  2. 混合云,计算与存储分离,异构的数据存储带来的系统耦合（Alluxio提供统一命名空间，统一访问接口）
  3. 多个独立的大数据应用（比如不同的Spark Job）需要高速有效的共享数据（数据并发访问）
  4. 计算框架所在机器内存占用较高,GC频繁,或者任务失败率较高,Alluxio通过数据的OffHeap来减少GC开销
  5. 有明显热表/热数据，相同数据被单应用多次访问
  6. 需要加速人工智能云上分析（如TensorFlow本地训练，可通过FUSE挂载Alluxio FS到本地）

提示：如果HDFS本身已经和Spark和Hive共置了，那么这个场景并不算Alluxio的目标场景。计算和存储分离的情况下才会有明显效果，否则通常是HDFS已经成为瓶颈时才会有帮助。“
还有,如果HDFS部署在计算框架本地,作业的输入数据可能会存在于系统的高速缓存区,则Alluxio对数据加速也并不明显。

以下：描述了Alluxio读或写的场景，基于以下的配置：Alluxio与计算集群部署在一起，持久化存储系统可以为远程存储系统或云存储。

2.1 读

​ 在底层存储和计算集群间，Alluxio是作为一个缓存层存在的。这小节描述了不同的缓存场景以及其对性能的影响。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hvACuKUT-1647520294115)(C:\Users\anonymous\AppData\Roaming\Typora\typora-user-images\image-20220316162013845.png)]

2.1.1 本地缓存命中

​ 本地缓存命中发生在请求数据位于本地Alluxio worker。举例说明，如果一个应用通过Alluxio client请求数据，client向Alluxio master请求数据所在的worker。如果数据在本地可用，Alluxio client使用“短路”读取来绕过Alluxio worker，并直接通过本地文件系统读取文件。短路读取避免通过TCP套接字传输数据，并提供数据的直接访问。—————

【过程：

  • 应用通过Allxuio Client与Alluxio Master通信，获得数据的位置信息（数据的元数据信息）；
  • 根据数据所在位置，如果数据已经被缓存到本地（内存、SSD、HDD等），可以直接访问本地缓存的数据
  • 如果数据没有被缓存到本地，需要通过Alluxio worker来读取数据（数据不一定是在Alluxio的其他worker节点，还是在远程的云上—–其他worker节点，优于远程云端）！

问题：Client与Master的频繁通信，占据大量内存 】

​ 还要注意，Alluxio除了内存之外还可以管理其他存储介质(例如SSD、HDD)，因此本地数据访问速度可能会因本地存储介质的不同而有所不同。

2.1.2 远程缓存命中

​ 当请求的数据存储在Alluxio中，而不是存储在client的本地worker上时，client将对具有数据的worker进行远程读取。client完成读取后，会要求本地的worker（如果存在）创建一个copy，这样以后读取的时候可以在本地读取相同的数据。远程缓存击中提供了网络级别速度的数据读取。Alluxio优先从远程worker读取数据，而不是从底层存储，因为Alluxio worker间的速度一般会快过Alluxio workers和底层存储的速度。

2.1.3 缓存Miss

​ 如果数据在Alluxio中找不到，则会发生缓存丢失，应用将不得不从底层存储读取数据。Alluxio client会将数据读取请求委托给worker（本地worker优先）。这个worker会从底层存储读取数据并缓存。缓存丢失通常会导致最大的延迟，因为数据必须从底层存储获取。
​ 当client只读取块的一部分或不按照顺序读取块时，client将指示worker异步缓存整个块。异步缓存不会阻塞client，但是如果Alluxio和底层存储系统之间的网络带宽是瓶颈，那么异步缓存仍然可能影响性能。

【异步缓存： worker从底层存储（远程云）中读取数据，返回给client；同时会将数据缓存到本地（内存、SSD、HDD等），等待下次的快速访问。

2.2 写

​ 用户可以通过选择不同的写类型来配置应该如何写数据。写类型可以通过Alluxio API设置，也可以通过在客户机中配置属性Alluxio .user.file.writetype.default来设置。本节描述不同写类型的行为以及对应用程序的性能影响。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Pc8V5PSU-1647520294121)(C:\Users\anonymous\AppData\Roaming\Typora\typora-user-images\image-20220316162038360.png)]

2.2.1 只写入到Alluxio（MAST_CACHE）

​ 当写类型设置为MUST_CACHE，Alluxio client将数据写入本地Alluxio worker，而不会写入到底层存储。如果“短路”写可用，Alluxio client直接写入到本地RAM的文件，绕过Alluxio worker，避免网络传输。由于数据没有持久存储在under storage中，因此如果机器崩溃或需要释放数据以进行更新的写操作，数据可能会丢失。当可以容忍数据丢失时，MUST_CACHE设置对于写临时数据非常有用。

2.2.2 写到UFS（CACHE_THROUGH）

​ 使用CACHE_THROUGH写类型，数据被同步地写到一个Alluxio worker和下一个底层存储。Alluxio client将写操作委托给本地worker，而worker同时将对本地内存和底层存储进行写操作。由于底层存储的写入速度通常比本地存储慢，所以client的**写入速度将与底层存储的速度相匹配。**当需要数据持久化时，建议使用CACHE_THROUGH写类型。在本地还存了一份副本，以便可以直接从本地内存中读取数据。

2.2.3 写回UFS（ASYNC_THROUGH）

​ Alluxio提供了一个叫做ASYNC_THROUGH的写类型。数据被同步地写入到一个Alluxio worker，并异步地写入到底层存储。ASYNC_THROUGH可以在持久化数据的同时以内存速度提供数据写入。

3.Alluxio的重要配置参数

3.1 Alluxio的读写配置参数

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-8nlf7puJ-1647520294128)(C:\Users\anonymous\AppData\Roaming\Typora\typora-user-images\image-20220316162245501.png)]

3.2 多级存储策略

多层存储的配置-使用两层存储MEM和HDD

alluxio.worker.tieredstore.levels=2# 最大存储级数 在Alluxio中配置了两级存储alluxio.worker.tieredstore.level0.alias=MEM# alluxio.worker.tieredstore.level0.alias=MEM 配置了首层(顶层)是内存存储层alluxio.worker.tieredstore.level0.dirs.path=/mnt/ramdisk# 设置了ramdisk的配额是100GBalluxio.worker.tieredstore.level0.dirs.quota=100GBalluxio.worker.tieredstore.level0.watermark.high.ratio=0.9# 回收策略的高水位alluxio.worker.tieredstore.level0.watermark.low.ratio=0.7 alluxio.worker.tieredstore.level1.alias=HDD# 配置了第二层是硬盘层alluxio.worker.tieredstore.level1.dirs.path=/mnt/hdd1,/mnt/hdd2,/mnt/hdd3# 定义了第二层3个文件路径各自的配额alluxio.worker.tieredstore.level1.dirs.quota=2TB,5TB,500GBalluxio.worker.tieredstore.level1.watermark.high.ratio=0.9alluxio.worker.tieredstore.level1.watermark.low.ratio=0.7

写数据默认写入顶层存储,也可以指定写数据的默认层级 alluxio.user.file.write.tier.default 默认0最顶层,1表示第二层,-1倒数第一层
Alluxio收到写请求,直接把数据写入有足够缓存的层,如果缓存全满,则置换掉底层的一个Block.

3.3 缓存回收策略

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-rBsZ5w1f-1647520294129)(C:/Users/anonymous/AppData/Roaming/Typora/typora-user-images/image-20220316162719403.png)]

3.4 Alluxio的异步缓存策略

(base) [mca@clu08 bin]$ alluxio version2.7.0-SNAPSHOT# 当前集群使用的版本2.7.0

3.5 Alluxio元数据存储管理

存储系统元数据管理演变升级 – 知乎 (zhihu.com)

在Alluxio新的2.x版本中，对元数据存储做了优化，使其能应对数以亿级的元数据存储。

​ 首先，文件系统是INode-Tree组成的，即文件目录树，Alluxio Master管理多个底层存储系统的元数据，每个文件目录都是INode-Tree的节点，在Java对象中，可能一个目录信息本身占用空间不大，但映射在JavaHeap内存中，算上附加信息，每个文件大概要有1KB左右的元数据，如果有十亿个文件和路径，则要有约1TB的堆内存来存储元数据，完全是不现实的。
​ 所以，为了方便管理元数据，减小因为元数据过多对Master性能造成的影响，Alluxio的元数据通过RocksDB键值数据库来管理元数据，Master会Cache常用数据的元数据，而大部分元数据则存在RocksDB中，这样大大减小了Master Heap的压力，降低OOM可能性，使Alluxio可以同时管理多个存储系统的元数据。
通过RocksDB的行锁，也可以方便高并发的操作Alluxio元数据。
高可用过程中，INode-Tree是进程中的资源，不共享，如果ActiveMaster挂掉，StandByMaster节点可以从Journal持久日志（位于持久化存储中如HDFS）恢复状态。
这样会依赖持久存储（如HDFS）的健康状况，如果持久存储服务宕机，Journal日志也不能写，Alluxio高可用服务就会受到影响。
所以，Alluxio通过Raft算法保证元数据的完整性，即使宕机，也不会丢失已经提交的元数据。

详细演变可参考：

存储系统元数据管理演变升级 – 知乎 (zhihu.com)

3.6 元数据的一致性

  • Alluxio读取磁层存储系统的元数据,包括文件名,文件大小,创建者,组别,目录结构等

  • 如果绕过Alluxio修改底层存储系统的目录结构,Alluxio会同步更新

    alluxio.user.file.metadata.sync.interval=-1 Alluxio不主动同步底层存储元数据

    alluxio.user.file.metadata.sync.interval=正整数 正整数指定了时间窗口,该时间窗口内不触发元数据同步

    alluxio.user.file.metadata.sync.interval=0 时间窗口为0,每次读取都触发元数据同步

    时间窗口越大,同步元数据频率越低,Alluxio Master性能受影响越小

  • Alluxio不加载具体数据,只加载元数据,若要加载文件数据,可以通过load命令或FileStream API

  • 在Alluxio中创建文件或文件夹时可以指定是否持久化

    alluxio fs -Dalluxio.user.file.writetype.default=CACHE_THROUGH mkdir /xxx

    alluxio fs -Dalluxio.user.file.writetype.default=CACHE_THROUGH touch /xxx/xx

3.7 Alluxio的Metrics

​ 度量指标信息可以让用户深入了解集群上运行的任务,是监控和调试的宝贵资源。
​ Alluxio的度量指标信息被分配到各种相关Alluxio组件的实例中。每个实例中，用户可以配置一组度量指标槽，来决定报告哪些度量指标信息。现支持Master进程,Worker进程和Client进程的度量指标 。

  • 度量指标的sink

参数为alluxio.metrics.sink.xxx
ConsoleSink: 输出控制台的度量值。
CsvSink: 每隔一段时间将度量指标信息导出到CSV文件中。
JmxSink: 查看JMX控制台中注册的度量信息。
GraphiteSink: 给Graphite服务器发送度量信息。
MetricsServlet: 添加Web UI中的servlet，作为JSON数据来为度量指标数据服务。

  • 可选度量的配置

  1. Master的Metrics 配置方法 master.* 例如:master.CapacityTotal
    常规信息

    CapacityTotal: 文件系统总容量（以字节为单位）。
    CapacityUsed: 文件系统中已使用的容量（以字节为单位）。
    CapacityFree: 文件系统中未使用的容量（以字节为单位）。
    PathsTotal: 文件系统中文件和目录的数目。
    UnderFsCapacityTotal: 底层文件系统总容量（以字节为单位）。
    UnderFsCapacityUsed: 底层文件系统中已使用的容量（以字节为单位）。
    UnderFsCapacityFree: 底层文件系统中未使用的容量（以字节为单位）。
    Workers: Worker的数目。
    逻辑操作
    DirectoriesCreated: 创建的目录数目。
    FileBlockInfosGot: 被检索的文件块数目。
    FileInfosGot: 被检索的文件数目。
    FilesCompleted: 完成的文件数目。
    FilesCreated: 创建的文件数目。
    FilesFreed: 释放掉的文件数目。
    FilesPersisted: 持久化的文件数目。
    FilesPinned: 被固定的文件数目。
    NewBlocksGot: 获得的新数据块数目。
    PathsDeleted: 删除的文件和目录数目。
    PathsMounted: 挂载的路径数目。
    PathsRenamed: 重命名的文件和目录数目。
    PathsUnmounted: 未被挂载的路径数目。
    RPC调用
    CompleteFileOps: CompleteFile操作的数目。
    CreateDirectoryOps: CreateDirectory操作的数目。
    CreateFileOps: CreateFile操作的数目。
    DeletePathOps: DeletePath操作的数目。
    FreeFileOps: FreeFile操作的数目。
    GetFileBlockInfoOps: GetFileBlockInfo操作的数目。
    GetFileInfoOps: GetFileInfo操作的数目。
    GetNewBlockOps: GetNewBlock操作的数目。
    MountOps: Mount操作的数目。
    RenamePathOps: RenamePath操作的数目。
    SetStateOps: SetState操作的数目。
    UnmountOps: Unmount操作的数目。

  2. Worker的Metrics 配置方法 192_168_1_1.* 例如:192_168_1_1.CapacityTotal
    常规信息
    CapacityTotal: 该Worker的总容量（以字节为单位）。
    CapacityUsed: 该Worker已使用的容量（以字节为单位）。
    CapacityFree: 该Worker未使用的容量（以字节为单位）。
    逻辑操作
    BlocksAccessed: 访问的数据块数目。
    BlocksCached: 被缓存的数据块数目。
    BlocksCanceled: 被取消的数据块数目。
    BlocksDeleted: 被删除的数据块数目。
    BlocksEvicted: 被替换的数据块数目。
    BlocksPromoted: 被提升到内存的数据块数目。
    BytesReadAlluxio: 通过该worker从Alluxio存储读取的数据量，单位为byte。其中不包括UFS读。
    BytesWrittenAlluxio: 通过该worker写到Alluxio存储的数据量，单位为byte。其中不包括UTF写。
    BytesReadUfs-UFS: UFS: 通 过 该 w o r k e r 从 指 定 U F S 读 取 的 数 据 量 ， 单 位 为 b y t e 。 B y t e s W r i t t e n U f s − U F S :{UFS}: 通过该worker从指定UFS读取的数据量，单位为byte。 BytesWrittenUfs-UFS:UFS:通过该worker从指定UFS读取的数据量，单位为byte。BytesWrittenUfs−UFS:{UFS}: 通过该worker写到指定UFS的数据量，单位为byte。

  3. Client的Metrics 配置方法 client.* 例如:clien.BytesReadRemote
    常规信息
    NettyConnectionOpen: 当前Netty网络连接的数目。
    逻辑操作
    BytesReadRemote: 远程读取的字节数目。
    BytesWrittenRemote: 远程写入的字节数目。
    BytesReadUfs: 从ufs中读取的字节数目。
    BytesWrittenUfs: 写入ufs的字节数目。

配置示例

vim metrics.properties# List of available sinks and their properties.alluxio.metrics.sink.ConsoleSinkalluxio.metrics.sink.CsvSinkalluxio.metrics.sink.JmxSinkalluxio.metrics.sink.MetricsServletalluxio.metrics.sink.PrometheusMetricsServletalluxio.metrics.sink.GraphiteSink master.GetFileBlockInfoOpsmaster.GetNewBlockOpsmaster.FreeFileOps 192_168_1_101.BytesReadAlluxio192_168_1_101.BytesWrittenAlluxio192_168_1_101.BlocksAccessed192_168_1_101.BlocksCached192_168_1_101.BlocksCanceled192_168_1_101.BlocksDeleted192_168_1_101.BlocksEvicted192_168_1_101.BlocksPromoted 192_168_1_102.BytesReadAlluxio192_168_1_102.BytesWrittenAlluxio192_168_1_102.BlocksAccessed192_168_1_102.BlocksCached192_168_1_102.BlocksCanceled192_168_1_102.BlocksDeleted192_168_1_102.BlocksEvicted192_168_1_102.BlocksPromoted 192_168_1_103.BytesReadAlluxio192_168_1_103.BytesWrittenAlluxio192_168_1_103.BlocksAccessed192_168_1_103.BlocksCached192_168_1_103.BlocksCanceled192_168_1_103.BlocksDeleted192_168_1_103.BlocksEvicted192_168_1_103.BlocksPromoted

然后访问 http://192.168.1.101:19999/metrics/json/ 可得到监控信息

3.8 Alluxio审计日志

Alluxio提供审计日志来方便管理员可以追踪用户对元数据的访问操作。
开启审计日志： 讲JVM参数alluxio.master.audit.logging.enabled设为true
审计日志包含如下条目：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nX6nBaku-1647520294131)(C:/Users/anonymous/AppData/Roaming/Typora/typora-user-images/image-20220316163810322.png)]

4.配置资源

Alluxio属性可以在多个资源中配置。在这种情况下，它的最终值由列表中最早的资源配置决定:

  1. JVM系统参数 (i.e., -Dproperty=key)
  2. 环境变量
  3. 参数配置文件. 当Alluxio集群启动时, 每一个Alluxio服务端进程（包括master和worke） 在目录${HOME}/.alluxio/, /etc/alluxio/ and ${ALLUXIO_HOME}/conf下顺序读取 alluxio-site.properties , 当 alluxio-site.properties 文件被找到，将跳过剩余路径的查找.
  4. 集群默认值. Alluxio客户端可以根据master节点提供的集群范围的默认配置初始化其配置。

如果没有为属性找到上面用户指定的配置，那么会回到它的默认参数值。

要检查特定配置属性的值及其值的来源，用户可以使用以下命令行:

$ ./bin/alluxio getConf alluxio.worker.rpc.port29998$ ./bin/alluxio getConf --source alluxio.worker.rpc.portDEFAULT

列出所有配置属性的来源:

$ ./bin/alluxio getConf --sourcealluxio.conf.dir=/Users/bob/alluxio/conf (SYSTEM_PROPERTY)alluxio.debug=false (DEFAULT)...

用户还可以指定--master选项来通过master节点列出所有的集群默认配置属性 。注意，使用--master选项 getConf将查询master，因此需要主节点运行;没有--master 选项，此命令只检查本地配置。

$ ./bin/alluxio getConf --master --sourcealluxio.conf.dir=/Users/bob/alluxio/conf (SYSTEM_PROPERTY)alluxio.debug=false (DEFAULT)...